Kampagnenmanagement der. Generation: Proaktive, integrierte Optimierung von Kundenkontakten und Kampagnenzielgruppen Prof. Dr. Klaus D. Wilde Lehrstuhl für ABWL und Wirtschaftsinformatik Katholische Universität Eichstätt-Ingolstadt
. Kampagnenmanagement (KM) in der Praxis Übersicht. Kunden- und aktionsorientiertes KM.. Problemstruktur.. Lineares Optimierungsmodell. Lösungsalgorithmen für beliebige Problemdimensionen. Fazit.. Testdesign und Modellkomplexität.. Problemdekomposition und numerische Ergebnisse
. Kampagnenmanagement in der Praxis Definition Kampagnenmanagement Die Aufgabe des Kampagnenmanagements liegt darin, dem richtigen Kunden, das richtige Informations- und Leistungsangebot, im richtigen Kommunikationsstil, über den richtigen Kommunikationskanal, zum richtigen Zeitpunkt zu vermitteln und dadurch den Erfolgsbeitrag des Kunden zu maximieren. Hippner, H.; Rentzmann, R.; Wilde, K.D. (): Aufbau und Funktionalitäten von CRM-Systemen, in: Hippner, H.; Wilde, K.D. (Hrsg.): Grundlagen des CRM, Wiesbaden, S.
. Kampagnenmanagement in der Praxis Verbreitete Ansätze des Kampagnenmanagement. Kampagnenspezifisches Zielgruppenmanagement. Kampagnenspezifisches Zielgruppenmanagement plus Kollisionsmanagement. Next Best Activity
. Kampagnenmanagement in der Praxis Kampagnenspezifisches Zielgruppenmanagement Bereich A Kampagnen A, A,, A n Bereich B Kampagnen B, B,, B n Bereich C Kampagnen C, C,, C n Kundenpool
. Kampagnenmanagement in der Praxis Kollisionsmanagement 7 Kampagnen Periode 7 Kunde Sperrzeit von t =
. Kampagnenmanagement in der Praxis Next Best Activity 7 Kampagnen Periode 7 Kunde Zu NBA siehe z.b.: Berry, J.: Making next best activity (NBA) programmes a success at delivering measurable improvements in ROI, in: Database Marketing & Customer Strategy Management, Vol., No.,, S. -. Sperrzeit von t =
. Kampagnenmanagement in der Praxis Zusammenfassende Überlegungen 7 Aktionsorientiert Kampagnenspezifisches Zielgruppenmanagement + Kollisionsmanagement Zeitbezug: Vergangenheit. Generation Zeitbezug: Vergangenheit. Generation Kundenorientiert Next Best Activity Zeitbezug: Gegenwart. Generation? Zeitbezug: Zukunft. Generation vgl. hierzu: Berry, M.J.A.; Linoff, G.S.: Mastering Data Mining - The Art and Science of Customer Relationship Management, New York,, S. ff.
. Kampagnenmanagement in der Praxis Fazit Das Das derzeit derzeit in in der der Praxis Praxis realisierte Kampagnenmanagement weist weist noch noch Optimierungspotenziale auf! auf! Next Best Activity (G) Nutzenergebnis: Simulatanplanung (G) Nutzenergebnis: Kampagne Kampagne Kunde Kunde Annahmen: Annahmen: Jeder Kunde darf im betrachteten Zeitraum nur Kampagnen erhalten. Jeder Kunde darf im betrachteten Zeitraum nur Kampagnen erhalten. Die jeweilige Kampagnenauflage beträgt. Die jeweilige Kampagnenauflage beträgt.
. Kampagnenmanagement (KM) in der Praxis Übersicht. Kunden- und aktionsorientiertes KM.. Problemstruktur.. Lineares Optimierungsmodell. Lösungsalgorithmen für beliebige Problemdimensionen. Fazit.. Testdesign und Modellkomplexität.. Problemdekomposition und numerische Ergebnisse
.. Problemstruktur Zielsetzung Kunden- und aktionsorientiertes Kampagnenmanagement. Berücksichtigung der Folgewirkungen für künftige Kampagnen. Simultanplanung durch binäre, lineare Optimierung.
.. Problemstruktur Verwendete Elemente i = I j = J t = T e ij Kunden, i.d.r. I 7 Kampagnen im Planungshorizont, i.d.r. J Planungshorizont in Tagen, i.d.r. T Nutzen eines Kontakts der Kampagne j bei Kunde i x ijt = { wenn Kunde i am Tag t mit Kampagne j kontaktiert wird sonst A j Maximale Kontaktzahl in Kampagne j K i Maximale Kontaktzahl bei Kunde i B Gesamtbudget für Kampagnen in Planungshorizont T c j Variable Kosten eines Kontakts der Kampagne j
.. Problemstruktur Verwendete Elemente S i Karenzzeit zwischen zwei Kontakten bei Kunde i S ik Karenzzeit zwischen zwei Kontakten bei Kunde i in der Kampagnengruppe k s jt = { wenn Periode t in der Laufzeit der Kampagne j liegt sonst s i jt = { wenn Kunde i in t für Kampagne j grundsätzlich verfügbar ist sonst M - Menge aller Kunden-Kampagnen-Kombinationen (i, j), die a priori gesperrt sind M + Menge der Kunden-Kampagnen-Kombinationen (i, j), die aus übergeordneten Gründen stattfinden müssen J k Menge aller Kampagnen des Typs k
. Kampagnenmanagement (KM) in der Praxis Übersicht. Kunden- und aktionsorientiertes KM.. Problemstruktur.. Lineares Optimierungsmodell. Lösungsalgorithmen für beliebige Problemdimensionen. Fazit.. Testdesign und Modellkomplexität.. Problemdekomposition und numerische Ergebnisse
.. Problemformulierung Zielfunktion Zielfunktion Max E = i j t e ij x ijt Maximiere den erwarteten Nutzen über alle Kunden, alle Kampagnen und für gesamten Planungshorizont.
.. Problemformulierung Nebenbedingungen Kampagnenauflage i t x ijt A j j Maximalzahl Kundenkontakte j t x ijt K i i Kampagnenbudget i j t c j x ijt B Ausschluss einer Mehrfachbelegung t x i ijt, j
.. Problemformulierung Nebenbedingungen Kampagnenverfügbarkeit Kundenverfügbarkeit Kampagnenverfügbarkeit Kundenverfügbarkeit ( ) i jt o jt ijt s s x, min Kunde i 7 Periode t Kampagne j Kunde i 7 Periode t Kampagne j 7 Periode t Kampagne j Kampagnenverfügbarkeit s jt Kundenverfügbarkeit s i jt Verfügbarkeit min (s jt, si jt )
.. Problemformulierung Nebenbedingungen 7 Allgemeine (k = ) und kampagnengruppenspezifische Verfügbarkeit j J k t = max (, t S t ik ) x ij t i, k, t Annahmen: i i = J = {,,} k = S = t 7 x + x + x + x + x x + x + x + x + x x + x + x + x + x 7 Periode t t Kampagne j Kunde - 7
.. Problemformulierung Nebenbedingungen Kundensperre für Kampagne t x = ( i, ijt ) j M Muss-Kontakte + t xijt = ( i, j) M x ijt binär ijt x ijt und ganzzahlig
. Kampagnenmanagement (KM) in der Praxis Übersicht. Kunden- und aktionsorientiertes KM.. Problemstruktur.. Lineares Optimierungsmodell. Lösungsalgorithmen für beliebige Problemdimensionen. Fazit.. Testdesign und Modellkomplexität.. Problemdekomposition und numerische Ergebnisse
.. Testdesign und Modellkomplexität Aufbau der Modelldatenbasis KampagneKundengruppe KundeKarenzzeit KundeID KampagnengruppeID Karenzzeit S ik Kampagnengruppe KampagnengruppeID Bezeichnung Kampagne KampagneID J k KundeSperre M - KundeID KampagneID Kampagnennutzen KampagneID KundeID Nutzen e ij Ergebnis KundeID KampagneID KundeMuss M + KundeID KampagneID KampagneID KundengruppeID Max_Kontaktzahl A gj Kundengruppe I g KundengruppeID Bezeichnung Mittelwert_max_Kontaktzahl K g Kunde KundeID Max_Kontaktzahl Karenzzeit KundengruppeID S i K i Bezeichnung PeriodeID Max_Kontaktzahl A j KampagnengruppeID Kosten c j ausgewaehlt x ijt KampagnennutzenKundengruppe KampagneID KundengruppeID KundePeriodeKampagneAktiv Nutzen e gj KampagnePeriode KampagneID KampagneID PeriodeID Aktiv s jt Periode PeriodeID t Bezeichnung PeriodeID KundeID Aktiv s i jt Gesamtbudget BudgetID Betrag B
.. Testdesign und Modellkomplexität Simulation eines realen Datenbestandes einer Bank I =. Kunden J = Kampagnen Mischung aus Kampagnen mit kurzer (- Tage) und mittlerer (- Tage) Laufzeit sowie dauerhaft verfügbaren Kampagnen Zuordnung zu thematischen Typen, z.b. Altersvorsorge, Baufinanzierung, Geldanlage und zu Vertriebskanälen J k Kampagnenspezifische Festlegung der maximalen Kontaktanzahl je Kampagne A j und der variablen Kosten eines Kontakts c j Fachliche Festlegung der täglichen Vertriebskanalkapazität Bestimmung der Kampagnenlaufzeiten (s jt ) für T = Festlegen eines Budgets unter Betrachtung der Kosten und maximalen Kampagnenkapazitäten B Generierung einer Kundenhistorie (s i jt )
.. Testdesign und Modellkomplexität Ergebnisvergleich zwischen einzelnen KM-Generationen. Generation,. Generation,. Generation, Nutzen pro Kunde
.. Testdesign und Modellkomplexität Laufzeitverhalten einer globalen Simultanoptimierung Optimierungszeit in Sekunden 7 Zahl der Kunden
. Kampagnenmanagement (KM) in der Praxis Übersicht. Kunden- und aktionsorientiertes KM.. Problemstruktur.. Lineares Optimierungsmodell. Lösungsalgorithmen für beliebige Problemdimensionen. Fazit.. Testdesign und Modellkomplexität.. Problemdekomposition und numerische Ergebnisse
.. Problemdekomposition und numerische Ergebnisse Dekompositionsbaum Optimierung auf Optimierung auf Globalebene Globalebene Kundengruppen Optimierung der Optimierung der Kampagnenkontakte Kampagnenkontakte auf Kundengruppen auf Kundengruppen Einzelkunden Optimierung der Optimierung der Kampagnenkontakte Kampagnenkontakte auf Einzelkunden auf Einzelkunden Optimierung der Optimierung der Kundengruppenkontakte auf Einzelkunden Kundengruppenkontakte auf Einzelkunden Heuristik der Heuristik der Kundengruppenkontakte auf Einzelkunden Kundengruppenkontakte auf Einzelkunden Zeitperioden Optimierung der Optimierung der Einzelkundenkontakte Einzelkundenkontakte auf Zeitperioden auf Zeitperioden Heuristik für die Heuristik für die Einzelkundenkontakte Einzelkundenkontakte auf Zeitperioden auf Zeitperioden
.. Problemdekomposition und numerische Ergebnisse Ergebnisübersicht Nutzen pro Kunde Kampagnenkontakte auf Kundengruppen Kundengruppenkontakte auf Einzelkunden Einzelkundenkontakte auf Zeitperioden Globaloptimierung, Optimierung Optimierung Optimierung Heuristik 7,, Optimierung Optimierung Optimierung,7 Optimierung Heuristik Optimierung, Optimierung Optimierung Heuristik, Optimierung Heuristik Heuristik, Next Best Activity (G), Kollisionsmanagement (G),
. Kampagnenmanagement (KM) in der Praxis Übersicht. Kunden- und aktionsorientiertes KM.. Problemstruktur.. Lineares Optimierungsmodell. Lösungsalgorithmen für beliebige Problemdimensionen. Fazit.. Testdesign und Modellkomplexität.. Problemdekomposition und numerische Ergebnisse
. Fazit Das Kampagnenmanagement der. Generation ist den herkömmlichen Ansätzen des Kampagnenmanagements deutlich überlegen. Die Dekomposition des Optimierungsmodells erlaubt die Anwendung für alle realen Problemdimensionen. Die Voraussetzungen für die Anwendung gehen nicht über das Kampagnenmanagement der. Generation hinaus.
Kampagnenmanagement der. Generation: Proaktive, integrierte Optimierung von Kundenkontakten und Kampagnenzielgruppen Zeit für Fragen und Diskussion